Optimisation et test de la géométrie de la dentelure du bord de fuite des plaques planes pour réduire le bruit propre aux ailes
Notice bibliographique
Résumé
With an expanding network of transportation and the use of air traffic, noise radiated from civil aircraft during takeoff and landing have become a major concern to communities nearby airports. The objective of this work is to investigate the reduction of turbulent boundary layer-trailing edge (TBL-TE) interaction noise. In order to test the concept of noise reduction, the required experimental setup is designed and created. The first part of this study focuses on developing an aeroacoustic wind tunnel test section at Carleton University. The test section walls have been acoustically treated to simulate an acoustically far-field environment with forwarding flight. The two sides of the wind tunnel test section are fitted with anechoic chambers and lined with acoustic transparency tensioned cloth screens which act as an interface between the test section and the anechoic chambers to provide a smooth flow surface while eliminating the need for a jet catcher and reducing interference effects. The ability of the trailing edge serrations to reduce TBL-TE noise is first analyzed through numerical optimization study, and trailing edges are after tested in a wind tunnel. Three different serration geometries are investigated. The noise spectra were modelled using Howe semi-empirical model for a semi-infinite flat plate, at zero angles of attack and low Mach number. NACA 0012 airfoil and flat-plate trailing edges are analyzed and tested. The results of the optimization studies are used to examine the influence of serration design parameters. It is shown that the sawtooth serrated trailing edges yield greater noise reductions than slitted and sinusoidal serrated trailing edges. Experimental and optimization results are then compared. It is concluded that numerical and experimental results are in agreement showing that optimized serrated trailing edge configurations can yield less TBL-TE noise compared to the traditional straight-trailing edge configuration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».